Von chaotischen Umfrageantworten zu strukturierten Daten mit KI
Viele denken bei grossen Sprachmodellen (LLMs) wie ChatGPT zuerst an kreative Texte. Doch die wahre Stärke von KI liegt oft woanders: Sie erledigt mühsame, datenintensive Aufgaben schneller, günstiger und präziser als jeder Mensch.
Ein aktuelles Kundenprojekt zeigt, wie KI echte, alltägliche Probleme in Schweizer Unternehmen lösen kann.
Die Herausforderung: Datenchaos im Reisegeschäft
Ein Kunde aus der Reisebranche hatte einen riesigen Berg an Umfragedaten gesammelt. Ziel war es, Trends bei Reisezielen zu erkennen – doch die Antworten waren ein einziges Durcheinander aus Freitext.
Die Probleme im Überblick:
- Menge: Zehntausende Freitext-Antworten. Länder mussten aus Texten herausgelesen werden – manuell praktisch unmöglich.
- Verschiedene Schreibweisen: Zum Beispiel “Kambodscha” – wir fanden 15 Varianten:
- Kambodscha
- Cambodia
- Kambodia
- Cambodgia
- Kambotscha
- Kambodschah
- Kamboscha
- Kambodjia
- Kambodgia
- Cambodja
- Kombodscha
- Kamodscha
- Cambogia
- Cambocha
- Camodia
Und das bei jedem Land aufs Neue.
- Veraltete oder ungenaue Namen: “Burma” statt “Myanmar”, “Sansibar” statt “Tansania”.
- Irrelevante Angaben: Antworten wie “Weiss ich noch nicht” oder “Zuerst nach Deutschland, dann vielleicht direkt nach LA”.
- Mehrere Länder in einer Antwort: “Thailand Malaysia Laos Vietnam Philippinen Indonesien”.
- Abkürzungen und Sprachvarianten: “USA” vs. “United States of America”, “Sansibar” vs. “Zanzibar”.
Sie spüren das Datenchaos? Leider Alltag bei echten, von Menschen generierten Daten.
Klassische Lösungen
Was machen Unternehmen normalerweise?
- Manuelle Bearbeitung: Ein Mitarbeiter standardisiert alles – langsam, teuer, fehleranfällig.
- Outsourcing: Freelancer könnten helfen, aber die Qualität ist schwer zu kontrollieren.
KI als Aufräumer: So geht’s
So haben wir das Problem mit KI gelöst – ein Ansatz, den Sie auch für Ihre Daten nutzen können:
- Datenschutz zuerst: Persönliche Daten wurden entfernt. Das ist nicht nur gesetzlich Pflicht, sondern auch Vertrauenssache.
- Datenbeispiele auswählen: Wir haben die 10 schwierigsten Antworten ausgewählt, um der KI die grössten Stolpersteine zu zeigen.
- Prompt Engineering: Wir haben ein KI-Modell (Claude) genutzt, um Anweisungen für ein anderes (ChatGPT) zu erstellen. So entstand ein massgeschneiderter Leitfaden für die Datenbereinigung.
- Qualitätskontrolle: Die KI wurde an Beispielen getestet und die Resultate überprüft. Fehler wurden korrigiert – wie bei der Einarbeitung eines neuen Teammitglieds.
- Fehlerbehandlung: Klare Regeln, wie die KI mit Unsicherheiten umgeht: Schätzen? Markieren? Mensch fragen? So bleibt die Balance zwischen Effizienz und Genauigkeit.
- Skalierung: Nach dem Testen wurde das ganze Datenset in Batches mit der OpenAI API verarbeitet.
Der Nutzen fürs Geschäft: Von Chaos zu Klarheit
Mit KI konnten wir:
- Saubere, einheitliche Daten für die Analyse liefern – aus einem Puzzle wurde ein klares Bild.
- Die Bearbeitungszeit auf wenige Stunden reduzieren – was sonst Wochen gedauert hätte, war in einem Nachmittag erledigt.
Was können Sie daraus mitnehmen?
- Nicht vom KI-Hype blenden lassen: Die grösste Stärke von KI liegt oft in der Automatisierung von Routineaufgaben.
- Datenengpässe erkennen: Wo behindern unstrukturierte Daten Ihre Entscheidungen? Genau dort lohnt sich KI.
- Klein starten, dann skalieren: Erst mit Beispielen testen, dann auf grosse Datenmengen anwenden.
- KI-Modelle kombinieren: Verschiedene Tools können zusammen bessere Resultate liefern.
- Datenschutz beachten: Immer an die gesetzlichen Vorgaben denken – das schafft Vertrauen.
- Automatisieren Sie für die Zukunft: Einmal eingerichtet, bringt KI laufend Effizienzgewinne.
- Lernkurve akzeptieren: Der Einstieg in KI kann herausfordernd sein, aber der Nutzen ist enorm.
Wer KI gezielt für datenintensive Aufgaben einsetzt, schafft Freiräume für das Wesentliche – und macht das Unternehmen fit für die Zukunft.
Teilen
Über den Autor
